基于VaR的上海燃料油期货市场风险分析
发布时间:2020-04-04 20:52
【摘要】:随着世界经济增长的不平衡性,能源需要结构有所调整,国际市场石油供求严重不平衡,加上战争等因素,国际油价动荡频繁,幅度巨大,给我国的石油市场带来了巨大冲击。2004年上海燃料油期货正式在上海期货交易所交易。经过六年多的发展历程,燃料油期货逐渐走向成熟。现有对期货市场的研究主要从定性和规范方面进行研究,但是定量方法研究还较少,尤其是对我国期货市场风险的度量缺乏全面有效的研究成果。本文使用JP摩根公司提出的VaR方法,定量地度量燃油期货市场的风险,为期货市场参与者提供参考。 文章主要研究了利用VaR方法度量上海燃油期货市场的风险。首先,在介绍了相关的研究成果后,本文介绍了期货市场风险相关理论,并重点介绍了VaR方法的原理,应用。随后,在实证部分,先对上海燃油的收益率序列进行基本分析,得出样本序列不服从正态分布,并通过ADF检验,证明样本序列是平稳的。在分析序列相关特征后,结合GARCH族模型的特点,建立了EGARCH-M模型对上海燃油期货市场的VaR进行度量。最终利用Kupiec检验方法对计算出的结果进行验证,证明结果有效,所建模型成立,这表明将VaR方法用于沪燃油期货市场的风险控制中是切实可行的。
【图文】:
Q一Q图是一种散点图,对应于正态分布的Q一Q图,,就是由标准正态分布的分位数为横坐标,样本值为纵坐标的散点图。要利用QQ图鉴别样本数据是否近似于正态分布,只需看QQ图上的点是否近似地在一条直线附近,而图3.1很直观的反映出上海燃油期货收益率序列不服从正态分布假设。由于在正态分布假设下要计算其VaR值会产生很大的误差,在较高的置信度情况下,误差会更加严重,因此需要采用非对称模型进行回归分析。(2)平稳性检验对于时间序列来说,在分析之前,要对其进行平稳性检验,确保其是平稳的,这样刁‘能使接下去的分析有意义。我们采用时下较为普遍的ADF检验方法,检验其是否存在单位根。根据ADF检验方法结果如下表 3.2
图3.2上海燃油期货涨跌率时序图由燃油涨跌率时序图可以看出,燃油涨跌率在零处波动异常频繁,波动在显著的集聚性特征。此外,本文还采用时下较为普遍的拉格朗日乘数法(LM法)来对上海燃的收益率的条件方差进行了ARCH效应检验,滞后10期的检验结果如表表3.3序列ARCH检验结果:HeteroskedastieityTest:ARCHstatistic3.343676Prob·F(5,1430)0.002431s*R一squared18.715018Prob.Chi一Square(10)}0.002427从上表可以看出,样本序列在滞后期为10时,所得的相伴概率仍小于水平,这说明残差序列有较高的异方差性,需要采用GARCH类模型来
【学位授予单位】:青岛大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:F724.5;F224
本文编号:2614062
【图文】:
Q一Q图是一种散点图,对应于正态分布的Q一Q图,,就是由标准正态分布的分位数为横坐标,样本值为纵坐标的散点图。要利用QQ图鉴别样本数据是否近似于正态分布,只需看QQ图上的点是否近似地在一条直线附近,而图3.1很直观的反映出上海燃油期货收益率序列不服从正态分布假设。由于在正态分布假设下要计算其VaR值会产生很大的误差,在较高的置信度情况下,误差会更加严重,因此需要采用非对称模型进行回归分析。(2)平稳性检验对于时间序列来说,在分析之前,要对其进行平稳性检验,确保其是平稳的,这样刁‘能使接下去的分析有意义。我们采用时下较为普遍的ADF检验方法,检验其是否存在单位根。根据ADF检验方法结果如下表 3.2
图3.2上海燃油期货涨跌率时序图由燃油涨跌率时序图可以看出,燃油涨跌率在零处波动异常频繁,波动在显著的集聚性特征。此外,本文还采用时下较为普遍的拉格朗日乘数法(LM法)来对上海燃的收益率的条件方差进行了ARCH效应检验,滞后10期的检验结果如表表3.3序列ARCH检验结果:HeteroskedastieityTest:ARCHstatistic3.343676Prob·F(5,1430)0.002431s*R一squared18.715018Prob.Chi一Square(10)}0.002427从上表可以看出,样本序列在滞后期为10时,所得的相伴概率仍小于水平,这说明残差序列有较高的异方差性,需要采用GARCH类模型来
【学位授予单位】:青岛大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:F724.5;F224
【参考文献】
相关期刊论文 前10条
1 杨士鹏;;VaR-APARCH模型与期货投资风险量化分析[J];商业研究;2005年23期
2 郑文通;金融风险管理的VAR方法及其应用[J];国际金融研究;1997年09期
3 姚刚;风险值测定法浅析[J];经济科学;1998年01期
4 陈守东,俞世典;基于GARCH模型的VaR方法对中国股市的分析[J];吉林大学社会科学学报;2002年04期
5 李婷婷;汪飞星;;基于极值理论和Bootstrap方法的E-VaR研究和实证分析[J];价值工程;2007年03期
6 张剑;;浅谈金融衍生工具的两种风险管理方法VaR和CVaR[J];理论界;2007年06期
7 郭卫娟;;基于贝叶斯方法的风险价值VaR的计算[J];湖北教育学院学报;2007年02期
8 王玉玲;;CVaR方法在投资组合中的应用[J];统计与决策;2008年02期
9 叶青;基于GARCH和半参数法的VaR模型及其在中国股市风险分析中的应用[J];统计研究;2000年12期
10 范英;VaR方法及其在股市风险分析中的应用初探[J];中国管理科学;2000年03期
本文编号:2614062
本文链接:https://www.wllwen.com/weiguanjingjilunwen/2614062.html